排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
为了解决大型城市地质三维模型可视化面临的数据容量巨大、模型处理时间长、三维渲染慢、客户端对硬件依赖过高等问题,本文提出了一种基于Spark大数据技术搭建的云端城市地质三维可视化平台,包括数据存储层、数据调度层、云端渲染层、终端可视化层。对城市地质使用的地学大数据采用“纵向分层、横向分块”策略进行自动划分,在三维模型计算及三维可视化过程中,采用Spark Streaming+GPU的快速并行计算和任务调度,可高效地自动完成三维模型的分布式渲染、集中融合和可视化展示。在“地质云”中使用5台高性能云主机构建了城市地质三维可视化平台原型,采用雄安新区的地质、钻孔、高精度网格、倾斜摄影等约410GB的数据进行实验。经在线验证,无三维引擎的客户端访问云端的城市地质三维可视化计算平台,每秒可渲染并返回30帧三维图像,人机实时交互流畅,形成的这种新型“终端发请求、云端三维算”模式将对虚拟化城市地质走向实际应用起到重要的推动作用。 相似文献
3.
针对复杂场景道路图像分割中,由于目标形状不规则、光照变化以及物体遮挡等因素,而导致的分割结果出现分割精度低、小目标分割错误等问题,提出了一种新的语义分割算法GH-deeplabV3+。将DeeplabV3+网络和高分辨率网络相结合,并在骨干特征提取网络中插入注意力机制模块。高分辨率网络模块保持了图像的高分辨特征信息,注意力机制模块增强了关键目标特征信息的权重。在优化超参数的研究中,使用APReLU激活函数和AdaBelief优化器来优化算法,降低网络损失。在Cityscapes数据集上进行了验证,实验结果表明,GH-deeplabV3+算法提高了图片的分割精度,分割性能优于其它分割算法。 相似文献
1